If you wish for peace, prepare for war

C++的不合理之处 2025-06-07|C++C++ 面向对象

以下功能不太合理或者比较冷门，应该尽量少使用

Exception
虚继承，非public继承，多重继承

malloc/free
C风格字符串（char*）
union，* bit fields
padding，对齐规则

宏
char和string之间的关系
隐式转换
模板
友元
数组类型，能退化成指针，但不能当返回值类型，还不能用另一个数组初始化。

RDP算法 2025-05-30|路径规划其他

这个算法很简单，可以说是对路径的拉直。可以用于处理A*。也可以说是无约束的降采样，可以消除小的抖动，但无法保证路径仍然安全。

有时路径规划获得的点太多，或者录制机器人路径获得的点太多，可以使用RDP算法，对得到的点进行缩减，用少量目标点表示路径。

首先，将起始点和终点连成一条线，找到剩下的点中距离这条线垂直距离最大的点P，记住点P和最大距离max，如果max小于设定的距离epsilon，则直接返回起始点和终止点就可以了。由于最大距离离这条直线也不远，因此可以把所有的点都看做在这条直线上，相当于把整个路径按照首尾拉直了。

如果max大于设定的距离epsilon，那么开始递归，以点P为中心将线段分为两部分，每一部分都重复上述过程，直到递归结束，相当于对两部分各自拉直。

参考：
一种路径优化方法-拉直法
 矢量数据压缩算法提取直线（RDP）

opencv基本使用 2025-05-29|路径规划其他

圆

void cv::circle(InputOutputArray img, Point center, int radius, const Scalar& color, int thickness = 1, LineTypes lineType = LINE_8, int shift = 0);

img: 输入输出参数，表示待绘制的目标图像。
center: 输入参数，表示圆心坐标，是一个 cv::Point 类型的对象。
radius: 输入参数，表示圆的半径。
color: 输入参数，表示绘制圆的颜色以及透明度，是一个 cv::Scalar 类型的对象。
thickness: 可选参数，表示圆线条的宽度。默认值为 1 表示绘制一个像素宽度的圆，如果设置为负值，则表示绘制一条填充的圆。
lineType
: 可选参数，表示圆边界的类型，可以取以下几个值：
cv::LINE_4: 表示绘制四个相邻的点的圆边界，默认值。
cv::LINE_8: 表示绘制八个相邻的点的圆边界。
cv::LINE_AA: 表示绘制抗锯齿的圆边界。
shift: 可选参数，表示坐标点像素值所占用的位数，默认值为 0。

矩形

void cv::rectangle(InputOutputArray img, Rect rect, const Scalar& color, int thickness = 1, LineTypes lineType = LINE_8, int shift = 0)

img: 输入输出参数，表示待绘制的目标图像。
rect: 输入参数，表示矩形，是一个 cv::Rect 类型的对象，可以通过传递左上角和右下角坐标的方式来定义一个矩形。
color: 输入参数，表示绘制矩形的颜色以及透明度，是一个 cv::Scalar 类型的对象。
thickness: 可选参数，表示矩形边框的宽度。默认值为 1 表示绘制一个像素宽度的矩形，如果设置为负值，则表示绘制一条填充的矩形。
lineType: 可选参数，表示矩形边框的类型，可以取以下几个值：
cv::LINE_4: 表示绘制四个相邻的点的矩形边框，默认值。
cv::LINE_8: 表示绘制八个相邻的点的矩形边框。
cv::LINE_AA: 表示绘制抗锯齿的矩形边框。
shift: 可选参数，表示坐标点像素值所占用的位数，默认值为 0。

Rect函数的基本形式是Rect(x, y, width, height)，其中x和y代表矩形左上角的坐标，width和height分别代表矩形的宽度和高度。

如果创建一个Rect对象rect(100, 50, 50, 100)，有以下常用函数

rect.area();     //返回rect的面积 5000

rect.size();     //返回rect的尺寸 [50 × 100]

rect.tl();       //返回rect的左上顶点的坐标 [100, 50]

rect.br();       //返回rect的右下顶点的坐标 [150, 150]

rect.width();    //返回rect的宽度 50

rect.height();   //返回rect的高度 100

rect.contains(Point(x, y));  //返回布尔变量，判断rect是否包含Point(x, y)点

用opencv处理轮廓 2025-05-29|路径规划其他

Rect boundingRect(InputArray points)

寻找包裹轮廓的最小正矩形。矩形的边界与图像边界平行。唯一一个参数是输入的二维点集，可以是 vector 或 Mat 类型。只需要 #include "opencv2/opencv.hpp"

#include<opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main(){
    Mat src = imread("/home/user/test.jpg");
    imshow("src", src);

    Mat gray, bin_img;
    cvtColor(src, gray, COLOR_BGR2GRAY);   //将原图转换为灰度图
    imshow("gray", gray);

    //二值化
    threshold(gray, bin_img, 150, 255, THRESH_BINARY_INV);
    imshow("bin_img", bin_img);
    
    //寻找最外围轮廓
    vector<vector<Point> >contours;
    findContours(bin_img, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    //绘制边界矩阵
    RNG rngs = { 12345 };
    Mat dst = Mat::zeros(src.size(), src.type());
    for (int i = 0; i < contours.size(); i++)
    {
        Scalar colors = Scalar(rngs.uniform(0, 255), rngs.uniform(0, 255), rngs.uniform(0, 255));
        drawContours(dst, contours, i, colors, 1);
        Rect rects = boundingRect(contours[i]);
        rectangle(dst, rects, colors, 2);
    }
    imshow("dst", dst);

    waitKey(0);
}

RotatedRect minAreaRect(InputArray points)

寻找包裹轮廓的最小斜矩形。唯一一个参数是输入的二维点集，可以是 vector 或 Mat 类型。只需要 #include "opencv2/opencv.hpp"

与 boundingRect 返回结果的区别是：矩形的边界不必与图像边界平行

RotatedRect旋转矩形结构体

    Mat gray, bin_img;
    cvtColor(src, gray, COLOR_BGR2GRAY);   //将原图转换为灰度图
    imshow("gray", gray);

    //二值化
    threshold(gray, bin_img, 150, 255, THRESH_BINARY_INV);
    imshow("bin_img", bin_img);

    //寻找最外围轮廓
    vector<vector<Point> >contours;
    findContours(bin_img, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    //绘制最小边界矩阵
    RNG rngs = { 12345 };
    Mat dst = Mat::zeros(src.size(), src.type());
    Point2f pts[4];
    for (int i = 0; i < contours.size(); i++)
    {
        Scalar colors = Scalar(rngs.uniform(0, 255), rngs.uniform(0, 255), rngs.uniform(0, 255));
        drawContours(dst, contours, i, colors, 1);
        RotatedRect rects = minAreaRect(contours[i]);
        // 确定旋转矩阵的四个顶点
        rects.points(pts);
        for (int i = 0; i < 4; i++)
            line(dst, pts[i], pts[(i + 1) % 4], colors, 2);
        
    }
}

double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist)

计算点与轮廓的距离及位置关系，只需要 #include "opencv2/opencv.hpp"

contour: 所需检测的轮廓对象
pt: Point2f 类型的pt, 待判定位置的点
measureDist: 是否计算距离的标志, 当其为true时, 计算点到轮廓的最短距离, 当其为false时, 只判定轮廓与点的位置关系, 具体关系如下:

① 返回值为-1, 表示点在轮廓外部

② 返回值为0, 表示点在轮廓上

③ 返回值为1, 表示点在轮廓内部

如果不需要知道具体的距离，建议将第三个参数设为false，这样速度会提高2到3倍。

//计算点到轮廓的距离与位置关系
Mat srcImg = imread("1.png");
imshow("src", srcImg);

Mat dstImg = srcImg.clone();
cvtColor(srcImg, srcImg, CV_BGR2GRAY);
threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);
imshow("threshold", srcImg);

vector<vector<Point>> contours;
vector<Vec4i> hierarcy;
findContours(srcImg, contours, hierarcy, CV_RETR_TREE, CV_CHAIN_APPROX_NONE);//TREE:提取所有轮廓    NONE：画出轮廓所有点
cout << "contours.size()=" << contours.size() << endl;
for (int i = 0; i < contours.size(); i++)//遍历每个轮廓
{
    for (int j = 0; j < contours[i].size(); j++)//遍历轮廓每个点
    {
        cout << "(" << contours[i][j].x << "," << contours[i][j].y << ")" << endl;
    }
}
double a0 = pointPolygonTest(contours[0], Point(3, 3), true);//点到轮廓的最短距离
double b0 = pointPolygonTest(contours[0], Point(212, 184), false);//点与轮廓的位置关系：-1表示外部；0表示在轮廓上；1表示轮廓内部

求轮廓面积 cv::contourArea

double contourArea( InputArray contour, bool oriented = false );

InputArray类型的contour，输入的向量，二维点（轮廓顶点），可以为std::vector或Mat类型。
bool类型的oriented，面向区域标识符。若其为true，会返回一个带符号的面积值，正负取决于轮廓的方向。

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
 
int main(void)
{
    Mat A = Mat::zeros(500, 500, CV_8UC1);
    circle(A, Point2i(100, 100), 3, 255, -1);
    circle(A, Point2i(300, 400), 50, 255, -1);
    circle(A, Point2i(250, 100), 100, 255, -1);
    circle(A, Point2i(400, 300), 60, 255, -1);
 
    std::vector<std::vector<cv::Point> > contours;  // 创建轮廓容器
    std::vector<cv::Vec4i>  hierarchy;
 
    cv::findContours(A, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
    if (!contours.empty() && !hierarchy.empty())
    {
        std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin();
        // 遍历所有轮廓
        int i = 1;
        while (itc != contours.end())
        {
            double area = cv::contourArea(*itc);
            cout << "第" << i << "个轮廓的面积为：" << area << endl;
            i++;
            itc++;
        }
    }
    imshow("A", A);
    waitKey(0);
    system("pause");
    return 0;
}

第一个圆的面积并不是9π，而是20。面积值是按照轮廓的内部面积进行计算的，会损失一些。

参考: cv::contourArea

深入探究虚函数 (二) 虚函数表vtbl和虚表指针vptr 2025-04-16|C++C++ 面向对象

虚函数表是通过一块内存来存储虚函数的地址，它实际是一个函数指针数组，每一个元素都是虚函数的指针，虚函数表的最后一个元素是一个空指针。假如虚函数类型为int，函数指针就是int*类型．虚函数表将被该类的所有对象共享，每个对象内部包含了一个虚表指针，指向虚函数表

有虚函数的类的最开始部分就是虚指针，它指向虚函数表起始地址，类型为int**（如果虚函数类型int），表中存放虚函数的地址。通过这个指针可以获取到该类对象的所有虚函数，包括父类的。

在编译期，编译器完成了虚表的创建，而虚指针在构造函数期间被初始化

因为派生类会继承基类的虚函数表，所以通过虚函数表，我们就可以知道该类对象的父类，在转换的时候就可以用来判断对象有无继承关系。派生类中增加的虚函数，如果覆盖了基类的虚函数，虚函数表中会替换相应的基类虚函数，地址换成派生类的；如果没有覆盖基类的虚函数，就添加到原虚函数表后面，以空指针结尾．所以说派生类的虚函数表中的函数地址不是连续的，基类的是连续的。

类Base的虚表如下图：

如果派生类Derived没有覆盖基类的虚函数，它的虚函数表如下图：

如果覆盖vFunc1，则替换Base的vFunc1；如果还定义了一个虚函数vFunc3，那么继续往虚函数表之后填，最后一个数组成员还是空指针

更详细的说明

当类有虚函数时候，类的第一个成员变量是一个虚函数指针，而this指针的值和第一个成员变量的地址相同（this指针指向第一个成员变量）。因此当有虚函数时，this指针的值等于虚函数指针的地址 this==&_vptr;

参考：
C++ 虚函数表
 深入C++对象模型&虚函数表

容器常用的工具函数 2025-02-12|C++C++ 模板与STL

std::begin() 和 std::end()

std::begin()和std::end()是STL中的函数模板，用于获取容器（数组、std::initializer_list、STL标准容器、std::string_view、std::array等）的起始和结束迭代器。它们提供了一种通用的方式来访问这些序列的边界，而不依赖于具体的容器类型。一般结合STL的算法一起使用

1 2	int a[] = { 1, 3, 5, 2, 9, 6, 8 }; std::sort(std::begin(a), std::end(a) );

感觉和现有的begin,end迭代器有些冗余

std::find

find() 函数是一个泛型算法，可以用于操作所有STL容器。它用于在数组或标准库容器（如vector, map）中查找指定元素，查找成功则返回一个指向指定元素的迭代器，查找失败则返回end迭代器。注意: 不是返回 true or false

时间复杂度是O(n)

vector<int> num_list = { 2,4,6,8,10,12 };
int find_num = 8;    //要查找的元素,类型要与vector中的元素类型一致
std::vector<int>::iterator num = std::find(num_list.begin(), num_list.end(), find_num);  //返回一个迭代器指针

if (num != num_list.end())   //查找成功
{
    cout << "其索引为 " << distance(num_list.begin(), num) << endl;   
}
else
    cout<< "元素 " << find_num << " 不在num_list中" << endl;

注意区分map::find 和 set::find，由于map和set内部是红黑树实现的。因此map和set内部的find函数查找时间复杂度是 O(logn)

copy

std::copy(start, end, container.begin());

copy只负责复制，不负责申请空间，所以复制前必须有足够的空间。如果container的大小小于输入序列的长度N的话，这段代码会导致崩溃（crash）。所以此时引入了back_inserter

1	std::copy(src.begin(), src.end(), std::back_inserter(dest));

标准库提供的back_inserter模板函数很方便，因为它为container返回一个back_insert_iterator迭代器，这样，复制的元素都被追加到container的末尾了。(就算container为空也没事)。

vector<int>  vec;
vec.push_back(1);
vec.push_back(2);
vec.push_back(3);
vec.push_back(4);
vec.push_back(5);

vector<int>  vv;
std::copy(vec.begin(), vec.end(), std::back_inserter(vv) );
for(const auto &it: vv)
    cout << it << "  ";

fill

std::fill 是C++标准库中的一个函数，和copy相对。定义在头文件中。它将指定的值赋给一个给定范围内的所有元素，常用于数据结构初始化，可以用于vector, list和数组。

1 2	std::vector<int> vec = {1, 2, 3, 4, 5}; std::fill(vec.begin(), vec.end(), 0); // 将 vec 中的所有元素设置为 0

使用之前，必须对vector分配内存，比如调用resize函数。

std::fill有很多重载形式，但最常用的是根据容器迭代器赋值的形式。

std::distance

用于计算两个迭代器之间的距离。它提供了一种方便的方法处理迭代器范围时进行遍历和计算。它在头文件<iterator>中定义，函数原型如下：

1
2
3

template< class InputIt >
typename std::iterator_traits<InputIt>::difference_type
    distance( InputIt first, InputIt last );

1 2	std::vector<int> v{3, 1, 4, 1, 5, 9}; std::cout << "distance: " << std::distance(v.begin(), v.end()) << std::endl; // 6

std::distance()函数计算的是迭代器之间的距离，而不是元素的个数。因此，在使用时需要确保迭代器范围有效，否则可能导致未定义行为。
对于顺序容器（如向量、列表等），std::distance的时间复杂度为O(N)，其中N是迭代器范围内的元素数量。对于随机访问迭代器（如指针、数组等），时间复杂度为O(1)

reverse

#include <vector>
#include <iostream>
#include <iterator>
#include <algorithm>
 
int main()
{
    std::vector<int> v({1,2,3});
    std::reverse(std::begin(v), std::end(v));
    std::cout << v[0] << v[1] << v[2] << '\n';
 
    int a[] = {4, 5, 6, 7};
    std::reverse(std::begin(a), std::end(a));
    std::cout << a[0] << a[1] << a[2] << a[3] << '\n';
}

cmp函数

cmp 函数的特点：

返回值为 bool 类型，用来表示当前的排序是否正确

参数为两个相同类型的变量，且类型与要排序的容器模板类型相同

// 从小到大排列
bool cmp( const Data& d1, const Data& d2)
{
//    return(d1.dist < d2.dist);
  // 由于重载了 <= ，可以直接这么写
    return(d1 <= d2);
}

vector<Data> vec;
Data  temp;
for ( int i = 0; i < 8; ++i )
{
    temp.dist = rand() %50;
    temp.confidence = 100;
    vec.push_back( temp );
}
for(int i=0; i<8; i++)
{
    cout << vec.at(i).dist << "   ";
}
cout << endl;
// 第三个参数可以是一个函数指针，一般使用cmp函数
stable_sort( vec.begin(), vec.end(), cmp );
for(int i=0; i<8; i++)
{
    cout << vec.at(i).dist << "   ";
}

std::accumulate 函数

用来计算特定范围内（包括连续的部分和初始值）所有元素的和，除此之外，还可以用指定的二进制操作来计算特定范围内的元素结果，需要 #include <numeric>。三个形参：头两个形参指定要累加的元素范围，第三个形参则是累加的初值。

vector<int>  vec;
vec.push_back(1);
vec.push_back(2);
vec.push_back(3);
vec.push_back(4);
vec.push_back(5);

for(const auto &it: vec)
{
    cout << it << "  ";
}
cout << endl;
int num = std::accumulate(vec.begin(), vec.end(), 0, [](int input){return 2*input; }  );

我们期待的结果是num为30，但是这样会报错 candidate: main()::<lambda(int)> int num = std::accumulate(vec.begin(), vec.end(), 0, [](int input){return 2*input; } ); ^ candidate expects 1 argument, 2 provided

最后一句应该改为 int num = std::accumulate(vec.begin(), vec.end(), 0, [](int n, int input){return n + 2*input; } );，得到num为30

sort

sort使用快速排序的递归形式，时间复杂度是O(nlog(n) )

Sort函数有三个参数：（第三个参数可不写）

第一个是要排序的数组的起始地址。
第二个是结束的地址（最后一位要排序的地址）
第三个参数是排序的方法，可以是从大到小也可是从小到大，还可以不写第三个参数，此时默认的排序方法是从小到大排序。

1
2
3

int b = 3, c = 12;
qDebug() << std::greater<int>()(b, c);
qDebug() << std::less<int>()(b, c);

int a[]={3,4,1,12,0,8,4};
// 默认从小到大排列
std::sort(a, a+7);
// 从大到小
std::sort(a, a+7, std::greater<int>());
for(int i=0; i < 7; i++)
    cout << a[i] <<"  ";
// 0  1  3  4  4  8  12

使用Lambda表达式作为排序标准

vector<int>  vec;
vec.push_back(1);
vec.push_back(2);
vec.push_back(3);
vec.push_back(4);
vec.push_back(5);

for(const auto &it: vec)
{
    cout << it << "  ";
}
cout << endl;
std::sort(vec.begin(), vec.end(),
          [](int a, int b){
            return  (a%2) < (b%2);
            }
          );
for(auto it : vec)
{
    cout << it << "  ";
}

运行结果：

1 2	1 2 3 4 5 2 4 1 3 5

针对自定义的数据类型，需要自定义排序的方式

struct Frontier
{
    Frontier(double c):
        cost(c){}

    double cost;
};

bool compareFrontier(Frontier f1, Frontier f2)
{
    return (f1.cost < f2.cost);
}
void showFrontiers(const vector<Frontier>& v)
{
    for(auto f: v)
        cout << f.cost << "  ";
    cout << endl;
}

vector<Frontier> frontiers;
frontiers.push_back(Frontier(1.2) );
frontiers.push_back(Frontier(4.9) );
frontiers.push_back(Frontier(12.7) );
frontiers.push_back(Frontier(0.3) );
frontiers.push_back(Frontier(3.6) );
showFrontiers(frontiers);

std::sort(frontiers.begin(), frontiers.end(),
      [](const Frontier& f1, const Frontier& f2) { return f1.cost < f2.cost; });
// std::sort(frontiers.begin(), frontiers.end(), compareFrontier);

showFrontiers(frontiers);

frontiers一般用vector或数组，不能是list, dequeue, queue

运行结果：

1 2	1.2 4.9 12.7 0.3 3.6 0.3 1.2 3.6 4.9 12.7

ROS2的概述和安装 2024-11-07|ROSROS2

ros2.0是一个跨平台的机器人开发框架，它在ros1.0的基础上进行了重构和改进，以适应更多的应用场景和需求。ros2.0的架构可以分为以下几个层次:

OS层: ros2.0支持多种操作系统，包括Linux、Windows、macOS、RTOS等，也支持没有操作系统的裸机.。
中间层: ros2.0采用基于RTSP协议的DDS (Data-Distribution Service) 作为中间层，DDS是一种用于实时和嵌入式系统发布-订阅式通信的工业标准，它提供了点对点的通信模式，不需要像ros1.0那样借由master节点来完成两个节点间通信，这使得系统更加容错和灵活。
接口层: ros2.0提供了两个主要的接口层，分别是rmw (ros middleware interface) 和rd (ros dient libraries) 。rmw是相对底层的接口层，直接和DDS交互，C语言实现:rc是对mw相对高层的抽象，C/C++实现。此外，还有一个ros to dds组件，主要为用户直接访问DDS层提供接口。
应用层: ros2.0支持用C++或者Python来编写应用程序，也支持其他语言的绑定。应用程序可以通过r或者ros to dds来调用中间层的功能。

如果项目需要实时性和分布通信支持，ROS 2.0提供了更好的解决方案

安装

参考 fishros的安装教程

运行sudo pip install rosdep

error: externally-managed-environment

× This environment is externally managed
╰─> To install Python packages system-wide, try apt install
    python3-xyz, where xyz is the package you are trying to
    install.

在ROS环境下会出现这个报错，改为 sudo apt-get install python3-xyz

ROS2安装指定包，和ROS1一样，例如 sudo apt-get install ros-humble-irobot-create-msgs

确保能对正确的ROS 2发行版运行rosdep: `rosdep install -y -r -q —from-paths src —ignore-src —rosdistro

ubuntu配置CUDA 2024-09-27|Linux基础

Ensure there is enough space in /tmp and that the installation package is not corrupt

刚开始安装./cuda_12.1.1_530.30.02_linux.run时， /所在的/dev/sdb7所剩空间越来越小，最终安装失败，提示 Ensure there is enough space in /tmp and that the installation package is not corrupt。所以必须先扩展/所在的硬盘容量

按这个步骤安装，一般不会出问题: ubuntu18.04上cuda及cudnn安装

交叉编译 PCL 2024-09-23|cmake/qmake

在x86架构的Ubuntu22.04交叉编译PCL源码，以能在ARM aarch64系统上运行，也就是全志MR527的TinaLinux 5.15.123 aarch64

先看完成的状态，也就是ARM平台的PCL库文件链接关系:

libpcl_kdtree.so

ldd  /usr/lib/aarch64-linux-gnu/libpcl_kdtree.so
    linux-vdso.so.1 (0x0000ffff8d240000)

    libpcl_common.so.1.10 => /lib/aarch64-linux-gnu/libpcl_common.so.1.10 (0x0000ffff8cfb7000)
    liblz4.so.1 => /lib/aarch64-linux-gnu/liblz4.so.1 (0x0000ffff8cf89000)


    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff8cda4000)
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff8cd56000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff8cd32000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff8cbbf000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff8d210000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff8cb14000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff8cae3000)
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2 (0x0000ffff8cacf000)

libpcl_common.so

ldd  /usr/lib/aarch64-linux-gnu/libpcl_common.so
    linux-vdso.so.1 (0x0000ffff975e8000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff972d0000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff97225000)
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff971d7000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff971b3000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff97182000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff9700f000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff975b8000)
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2

交叉编译 PCL

在终端找到/opt/cmake/bin，启动cmake-gui，这里是新安装的cmake 3.27. 选择PCL的源码目录和build目录，选择交叉编译平台。没有显示需求，所以cmake-gui不需要选择 OpenGL和VTK

The C compiler identification is unknown

既然是交叉编译，那就得用跨平台的编译器，注意在启动cmake-gui的终端要提前设置环境变量:

export ARCH=arm64
export TOOLCHAIN_PATH=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu
export LD_LIBRARY_PATH=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
export CROSS_COMPILE=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-

不重要的报警

configure PCL时出现的部分信息，可以无视

Could NOT find PkgConfig (missing: PKG_CONFIG_EXECUTABLE)                 # OMIT
Could NOT find LIBUSB_1 (missing: LIBUSB_1_LIBRARY LIBUSB_1_INCLUDE_DIR)  # OMIT
Could NOT find ZLIB (missing: ZLIB_LIBRARY ZLIB_INCLUDE_DIR) 
Could NOT find PNG (missing: PNG_LIBRARY PNG_PNG_INCLUDE_DIR)

编译的过程中，发现需要处理Boost, Flann, lz4, hdf5等库，它们也需要交叉编译。

交叉编译Boost

PCL需要Boost，cmake时会提示无法找到Boost的错误，不是本机的x86 Boost，是aarch64的Boost，也就是说需要交叉编译Boost。

下载Boost1.74源码，找到bootstrap.sh，然后执行

1	./bootstrap.sh --with-libraries=system,filesystem,thread,date_time,iostreams --with-toolset=gcc

修改project-config.jam文件，把using gcc部分修改为
using gcc : arm : /home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-gcc ;

找到gcc.jam文件，在430行左右，增加一行

# On Windows, fPIC is the default, and specifying -fPIC explicitly leads
# to a warning.
local non-windows = [ set.difference $(all-os) : cygwin windows ] ;
compile-link-flags <link>shared/<target-os>$(non-windows) : -fPIC ;
# 增加下面这行
compile-link-flags <link>static/<target-os>$(non-windows) : -fPIC ;

此步骤的主要目的是打开-fPIC，避免PCL在编译时找不到boost库的.a文件

进行编译并安装boost:

1	sudo ./b2 cxxflags=-fPIC cflags=-fPIC -a install

编译时可能会报错: error while loading shared libraries: libisl.so.22: cannot open shared object file: No such file

将交叉编译的toolschain地址的这几个库文件都复制到/usr/lib/x86_64-linux-gnu: libctf-arm64.so.0, libopcodes-2.34-arm64.so, libbfd-2.34-arm64.so, libisl.so.22。如果没报错就不用了。

编译结束，我把生成的Boost库的文件都放到了/usr/local/lib。也就是/usr/lib/x86_64-linux-gnu中的libboost开头的库文件仍是x86的，/usr/local/lib中的libboost开头的库文件是AArch64架构。对于ARM的so库文件，在x86上用ldd命令查看会出现 not a dynamic executable

修改PCL中的pcl_find_boost.cmake文件

set(Boost_DIR  "/usr/lib/x86_64-linux-gnu/cmake")
 # Required boost modules
set(BOOST_REQUIRED_MODULES filesystem date_time iostreams system)
find_package(Boost 1.74.0 REQUIRED COMPONENTS ${BOOST_REQUIRED_MODULES})

lz4 1.9.1 arm64版本的交叉编译

下载源码后执行

1
2
3

make CC=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-gcc
mkdir lz4_arm
make install PREFIX=$(pwd)/lz4_arm

运行ldconfig，出现 /sbin/ldconfig.real: /lib/x86_64-linux-gnu/liblz4.so.1 is not a symbolic link

运行file /lib/liblz4.so，出现liblz4.so: broken symbolic link to liblz4.s

目前解决: 把地平线x3M的 /lib/liblz4.so 和 /lib/liblz4.so.1 复制到我的本机的 /lib目录， /usr/lib/x86_64-linux-gnu的几个 liblz4.so 仍然是 x86 平台。

hdf5的问题

编译flann时，链接hdf5出错

1
2
3

/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/../lib/gcc-cross/aarch64-linux-gnu/9/../../../../aarch64-linux-gnu/bin/ld:   /usr/lib/x86_64-linux-gnu/hdf5/serial/libhdf5.so:   error adding symbols: file in wrong format

collect2: error: ld returned 1 exit status

显然需要的是ARM的hdf5，这个库的交叉编译特别麻烦，最后解决方法是从一台ARM平台的主机上找到 hdf5文件夹，放到了 /usr/lib/x86_64-linux-gnu

如果交叉编译hdf5，参考:

使用cmake-gui进行configure和generate,第一次configure会失败,重新configure即可
进行make,两次,编译失败
拷贝bin/H5detect bin/H5make_libsettings libhdf5.settings到arm平台
在arm平台修改文件执行权限,执行H5detect和H5make_libsettings,把程序输出分别保存到H5Tinit.c和H5lib_settings.c
拷贝H5Tinit.c和H5lib_settings.c到主机的编译目录下,继续编译

交叉编译flann库

在一台ARM平台的设备上，flann库文件是这样的

/usr/lib/aarch64-linux-gnu/libflann.so
/usr/lib/aarch64-linux-gnu/libflann.so.1.9
/usr/lib/aarch64-linux-gnu/libflann.so.1.9.1

/usr/lib/aarch64-linux-gnu/libflann_cpp.so
/usr/lib/aarch64-linux-gnu/libflann_cpp.so.1.9
/usr/lib/aarch64-linux-gnu/libflann_cpp.so.1.9.1
/usr/lib/aarch64-linux-gnu/libflann_cpp_s.a
/usr/lib/aarch64-linux-gnu/libflann_s.a

链接关系:
libflann.so

ldd /usr/lib/aarch64-linux-gnu/libflann.so
    linux-vdso.so.1 (0x0000ffff85887000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff8511b000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff85070000)
    # 缺
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff85022000)

    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff84ffe000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff84e8b000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff85857000)
    # 目前缺这两个
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2 (0x0000ffff84e77000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff84e46000)


ldd /usr/lib/aarch64-linux-gnu/libflann_cpp.so
    linux-vdso.so.1 (0x0000ffff9fb1f000)
    # 目前需要交叉编译
    liblz4.so.1 => /lib/aarch64-linux-gnu/liblz4.so.1 (0x0000ffff9fa68000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff9f883000)
    # 目前缺
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff9f852000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff9f6df000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff9faef000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff9f634000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1

如果之前缺hdf5，编译会报警 hdf5 library not found, not compiling flann_example.cpp

解决方法: 把ARM平台的的flann库文件复制到了 /usr/lib/x86_64-linux-gnu，原来的x86的flann库文件复制到了新文件夹 /usr/lib/x86_64-linux-gnu/x86_flann

如果要交叉编译，需要修改CMakeLists:

pkg_check_modules(LZ4 REQUIRED liblz4)
#include_directories(${LZ4_INCLUDE_DIRS})
include_directories(/home/user/Downloads/lz4-1.9.1/lz4_arm/include)

link_directories(/home/user/Downloads/lz4-1.9.1/lz4_arm/lib)

现在继续使用cmake-gui交叉编译PCL，在界面中没有选择所有模块，执行Configure和Generate后，会有日志:

编译的模块:
  common    kdtree     octree    search
  sample_consensus     filters    2d
  geometry     io      features   ml
  segmentation    surface     keypoints
  tracking     stereo    tools

不会编译的模块:
  visualization: VTK was not found.
  registration: Disabled manually.
  recognition: Requires registration.
  apps: Disabled: registration missing.
  outofcore: Requires visualization.
  examples: Code examples are disabled by default.
  people: Requires visualization.
  simulation: Disabled: visualization missing.
  global_tests: No reason
  tools: Disabled: registration missing.

然后去build文件夹找每个模块的Makefile，比如pcl-pcl-1.10.0/build/kdtree，然后执行make即可。

PCL交叉编译得到的so文件特别大，有的到了800M。使用strip瘦身，结果报错 strip: Unable to recognise the format of the input file ，因为so文件是aarch64的，应当使用gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/aarch64-linux-gnu/bin/strip，结果让libpcl_features.so.1.10.0从797M 下降到 39M。

所有编译生成的库文件在pcl-pcl-1.10.0/build/lib，把这些库文件放到开发板上，比如路径/pcl_libs，所有Boost的库文件也放过去，比如/boost_libs。

测试程序

在本机上写一个PCL的测试程序，CMake部分:

cmake_minimum_required(VERSION 3.5)

project(test_cross_pcl LANGUAGES CXX)

set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

find_package(Boost COMPONENTS system filesystem thread REQUIRED)

include_directories(
    include
    /usr/include/eigen3

    /home/user/Downloads/pcl-pcl-1.10.0/common/include
    /home/user/Downloads/pcl-pcl-1.10.0/build/include
    /home/user/Downloads/pcl-pcl-1.10.0/io/include
    /home/user/Downloads/pcl-pcl-1.10.0/filters/include
)
LINK_DIRECTORIES(/home/user/Downloads/pcl-pcl-1.10.0/build/lib)
LINK_DIRECTORIES(/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/aarch64-linux-gnu/lib)

add_executable(test_cross_pcl main.cpp)
target_link_libraries(test_cross_pcl
    -lpcl_common
    -lpcl_io
    -lpcl_filters
    -lpthread
)

不能使用本机上的编译器，还用cmake-gui进行交叉编译: configure, generate, 然后到对应的build文件夹里执行make，把生成的可执行文件放到开发板。

执行export LD_LIBRARY_PATH=/pcl_libs:/boost_libs:$LD_LIBRARY_PATH，也就是指定链接库的地址，再执行就成功了。

参考:Windows 10上源码编译PCL 1.8.1支持VTK和QT，可视化三维点云
 交叉编译Boost

解决vcpkg无法交叉编译arm64版本 HDF5 库的问题
 编译HDF5
Linux安装HDF5及遇到的问题总结

FLANN 1.9.2 源码编译
 PCL与VTK

全局路径远离障碍物 2024-08-08|路径规划全局路径算法

abstract Welcome to my blog, enter password to read.